量子位报道 ｜公众号 QbitAI

最近认识了一个“网友”，不是东北人，东北话理解力却满分。

或许你会说，这些对话看起来很日常啊。

其实，他不是人，而是来自百度的AI 对话机器人。

之所以能跟人类聊天如此丝滑，靠的是全球首个百亿参数中英文预训练对话生成模型——PLATO-XL。

效果之惊艳，连外媒都赶着来报道：

加大难度，能 hold 住吗？

有第三方关注报道当然不够，为检验这个 AI 是不是假把式，我决定增加对话难度，考考他。

就问问他一些名人吧，例如刘天王。

万万没想到，它不仅认识刘天王，还能自行列举更多港星：

可以可以，是个品位不错的 AI 了。

继续加大难度——

粤语走起。

竟然粤语也能轻松驾驭？

而且和普通话切换也如此自如，有够惊艳的了，确实还没见过这么「会聊天」的 AI。

丝滑对话，是怎么做到的？

看完上面我与 AI 的对话，一个大大的疑惑或许已经在你的脑中产生：

到底是怎么做到的？

背后的杀手锏，正是PLATO-XL。

正如刚才提到的，它是全球首个百亿参数预训练对话生成模型。

百亿参数规模，可以说是让这个 AI 能够流畅对话的关键之一。

简单来说，就好比增加了大脑中的神经元数量，会让脑子更聪明，更能理解你说的话。

结构方面，PLATO-XL 一个非常鲜明的特点，就是将 Transformer 结构做了一个统一。

如此一来，就可以同时对“对话理解”和“回复生成”进行建模，参数效率会更高。

除此之外，在多轮对话中，往往还会存在不一致性问题。

这是因为训练数据是从社交媒体中收集，会掺杂不同人的想法。

而学习到的模型往往会混合来自上下文中多个参与者的信息，从而难以产生一致的回复。

为了解决这一问题，PLATO-XL 引入了多角色感知的预训练，这有助于模型区分上下文中的信息，并在对话生成中保持一致性。

以上便是与百度 PLATO 对话能够如此丝滑的原因了。

在与其它模型横向比较过程中，不仅是中文，英文对话的表现也是较为突出。

而且在刚刚落下帷幕的对话系统技术挑战赛 DSTC10（全球人工智能顶级学术竞赛之一）中，百度 PLATO 的表现也是格外亮眼。

要知道，为了更接近真实场景，这次竞赛题目专门加入ASR 识别错误干扰数据。

简单来说，就是拿一些错误，甚至不精准地表达，难为 AI。我们以小度智能音箱的交互为例。比如对话中要求 AI：「小度，播放周杰伦那个气球歌」，其实背后的需求是要听《告白气球》。

更拉高实现门槛的是，竞赛中主办方还不提供任何相关的训练数据。

为应对上面真实且复杂的要求，百度团队提出了一种叫做多层级数据和知识增强框架。

同时依托 PLATO 对话预训练模型的能力，进行对话状态追踪任务的端到端建模，根据多轮对话上文生成意图和槽位。

还通过对已有对话进行实体替换、基于对话动作随机游走、口语模拟增强，构造得到了数十万的多轮口语对话，解决了训练数据匮乏的难题。

此外，百度还创新地提出了知识增强的对话策略。先通过精确识别对话意图与相关的知识需求，然后利用知识召回模型从大规模知识库中召回知识，最后模型结合上下文整合知识生成答复。

如同人在回答一些不了解的专业问题也需要查阅资料，知识增强的方法使对话系统具备了“临时查阅”的能力，能够更加专业、更加精准地回答问题。

还是以小度智能音箱的具体使用场景为例：

-“小度小度，我想听大梦一场空。”

-“好的，一首徐海俏的《空》送给你。”

当其他人还在搜索“大梦一场空是什么歌”的时候，小度已经为你播放了出来；

正是精准高效地完成主办方提出的技术挑战，百度团队在对话状态追踪任务中的联合目标准确率（Joint Goal Accuracy）达到0. 4616，超越第二名十个百分点。

但其实，百度团队在 PLATO-XL 之前，便已经在人机对话方面取得了较好的表现。

例如更早的 PLATO-2，相关论文被 ACL 2021 收录，这时候的人机对话就已经没有那么得“尬”了。

而此次在参数规模更大、架构方法更优的情况下，就会让人和 AI 得聊天更加丝滑、无障碍。

开放领域对话，为什么这么重要？

其实除了百度，全球各家科技巨头，都在不遗余力的在开放领域对话中发力。

像微软、谷歌、Facebook 等，均在这两年推出了自家的大模型，例如 DialoGPT、Meena、Blender 等。

这是因为让机器具备与人交流的能力，是人工智能领域长久以来的一项重要工作，同时也是一项极具挑战的任务。

早在 1951 年，图灵在《计算机与智能》一文中便提出了大名鼎鼎的图灵测试，提出用人机对话来测试机器智能水平。

此后，学者们也是尝试着各种方法研究建立对话系统。

不同于特定领域对话，开放领域对话，没有像客服、车载助手那些场景的限制，其定位在于：让机器拥有更拟人的有知识、有逻辑、有情感的对话能力。

随着技术趋势的变化，开放领域对话的发展也呈现出了不一样的方向。

例如深度学习兴起后，业界前后陆续提出了基于卷积神经网络、循环神经网络、注意力机制等各种对话方法。

而这两年，大规模预训练模型又成为了技术的一种风向标，全球范围内都发力于此。随着参数的不断庞大，AI 也越发的智能化，直接会在人机对话中有所体现，也就是我们经常说的不“尬聊”，此次百度公布的 PLATO-XL，正是该趋势的一个注脚。

尽管随着大模型预训练技术在智能对话上的应用，对话效果取得显著进步，但仍然有继续改进可能，涵盖：偏见、信息误差、不能进行连续学习等方向。

更应看到的是，百度 PLATO-XL 以超百亿参数的规模，无论参数量还是效果比较，在全球范围仍处较优地位——

不难预见，此类语言模型绝不仅仅能大幅优化智能客服、语音识别等既有功能，更在养老助老、幼儿早教、心理辅导等种种掺杂「模糊表述」、「潜台词」、「高语境」表达的场景下，释放 AI 技术的更多潜能。

最后，百度 PLATO 对话 AI 已经上线，感兴趣的友友们可以亲测试玩了！